Ⅰ 在虛擬機上安裝的ubuntu 怎麼配置cuda
第1步：確定你的機器支持CUDA
下面的機器都支持CUDA
NVIDIA GeForce® 8, 9, 200, 400, and 500 series GPUs
NVIDIA TeslaTM computing solutions
Many of the NVIDIA Quadro® procts
運行命令，調出對話框：
$ nvidia-settings
註：如果在鍵入命令nvidia-settings後，你的機器沒有上面類似的對話框出現，說明你沒有正確安裝nvidia的驅動。
第2步：安裝CUDA Toolkit
1）cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
和
2）gpucomputingsdk_4.1.28_linux.run
進入cudatoolkit_4.1.28_linux_64_ubuntu11.04.run所在目錄，運行下面的命令安裝Toolkit:
$ sudo sh ./cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
按默認位置安裝。提示安裝完成，然後設置環境變數，執行下述兩條命令：
$ export PATH=/usr/local/cuda/bin:$PATH
$ exportLD_LIBRARY_PATH=/usr/local/cuda/lib:$LD_LIBRARY_PATH
特別要說明的是，如果是64位系統，還需要再加上一句話：
$ exportLD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
當然，我們可以把上面的命令寫入 ~/.bashrc 中，在系統啟動時，自動添加環境變數。
$ gedit ~/.bashrc
即把下面3句添加到~/.bashrc的最後面，然後保存，退出重登錄。
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib:$LD_LIBRARY_PATH
exportLD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
驗證安裝：
執行$ nvcc -V，獲得CUDAToolkit的版本號來驗證其安裝是否成功
nvcc: NVIDIA (R) Cudacompiler driver
Copyright (c) 2005-2011 NVIDIA Corporation
Built on Thu_Jan_12_14:41:45_PST_2012
Cuda compilation tools, release 4.1, V0.2.1221
第3 步：安裝GPU Computing SDK
為以後開發方便，SDK不要以root用戶安裝。執行
$ sh ./cuda_installation/gpucomputingsdk_4.0.17_linux.run
按照提示安裝完成。默認安裝到當前用戶的Home下。
Ⅱ cuda8.0怎麼安裝
步驟如下：
1.下載安裝CUDA：
1.1 下載。請到 cuda官網，選擇合適的版本。如果版本不合適，安裝的時候會提示的，但還是下載最新的比較好；
1.2 安裝。雙擊cuda_7.5.18_win10.exe,一步步來就好。
2.VS2013配置和測試
2.1 重啟計算機。關於是否添加環境變數，筆者安裝的時候系統已自動添加好對應的環境變數，如果沒有，請查看上文鏈接的博文；
2.2 配置VS。也請參考上述博文，不再贅述。
3.測試
上兩個測試文件。
3.1
1 #include< stdio.h>
2 #include "cuda_runtime.h"
3 #include "device_launch_parameters.h"
4 bool InitCUDA()
5 {
6 int count;
7 cudaGetDeviceCount(&count);
8 if(count == 0)
9 {
10 fprintf(stderr, "There is no device.\n");
11 return false;
12 }
13 int i;
14 for(i = 0; i < count; i++)
15 {
16 cudaDeviceProp prop;
17 if(cudaGetDeviceProperties(&prop, i) == cudaSuccess)
18 {
19 if(prop.major >= 1)
20 {
21 break;
22 }
23 }
24 }
25 if(i == count)
26 {
27 fprintf(stderr, "There is no device supporting CUDA 1.x.\n");
28 return false;
29 }
30 cudaSetDevice(i);
31 return true;
32 }
33
34 int main()
35 {
36 if(!InitCUDA())
37 {
38 return 0;
39 }
40 printf("HelloWorld, CUDA has been initialized.\n");
41 return 0;
42 }
3.2
1 // CUDA runtime 庫 + CUBLAS 庫
2 #include "cuda_runtime.h"
3 #include "cublas_v2.h"
4
5 #include <time.h>
6 #include <iostream>
7
8 using namespace std;
9
10 // 定義測試矩陣的維度
11 int const M = 5;
12 int const N = 10;
13
14 int main()
15 {
16 // 定義狀態變數
17 cublasStatus_t status;
18
19 // 在 內存 中為將要計算的矩陣開辟空間
20 float *h_A = (float*)malloc (N*M*sizeof(float));
21 float *h_B = (float*)malloc (N*M*sizeof(float));
22
23 // 在 內存 中為將要存放運算結果的矩陣開辟空間
24 float *h_C = (float*)malloc (M*M*sizeof(float));
25
26 // 為待運算矩陣的元素賦予 0-10 范圍內的隨機數
27 for (int i=0; i<N*M; i++) {
28 h_A[i] = (float)(rand()%10+1);
29 h_B[i] = (float)(rand()%10+1);
30
31 }
32
33 // 列印待測試的矩陣
34 cout << "矩陣 A :" << endl;
35 for (int i=0; i<N*M; i++){
36 cout << h_A[i] << " ";
37 if ((i+1)%N == 0) cout << endl;
38 }
39 cout << endl;
40 cout << "矩陣 B :" << endl;
41 for (int i=0; i<N*M; i++){
42 cout << h_B[i] << " ";
43 if ((i+1)%M == 0) cout << endl;
44 }
45 cout << endl;
46
47 /*
48 ** GPU 計算矩陣相乘
49 */
50
51 // 創建並初始化 CUBLAS 庫對象
52 cublasHandle_t handle;
53 status = cublasCreate(&handle);
54
55 if (status != CUBLAS_STATUS_SUCCESS)
56 {
57 if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
58 cout << "CUBLAS 對象實例化出錯" << endl;
59 }
60 getchar ();
61 return EXIT_FAILURE;
62 }
63
64 float *d_A, *d_B, *d_C;
65 // 在 顯存 中為將要計算的矩陣開辟空間
66 cudaMalloc (
67 (void**)&d_A, // 指向開辟的空間的指針
68 N*M * sizeof(float) //需要開辟空間的位元組數
69 );
70 cudaMalloc (
71 (void**)&d_B,
72 N*M * sizeof(float)
73 );
74
75 // 在 顯存 中為將要存放運算結果的矩陣開辟空間
76 cudaMalloc (
77 (void**)&d_C,
78 M*M * sizeof(float)
79 );
80
81 // 將矩陣數據傳遞進 顯存 中已經開辟好了的空間
82 cublasSetVector (
83 N*M, // 要存入顯存的元素個數
84 sizeof(float), // 每個元素大小
85 h_A, // 主機端起始地址
86 1, // 連續元素之間的存儲間隔
87 d_A, // GPU 端起始地址
88 1 // 連續元素之間的存儲間隔
89 );
90 cublasSetVector (
91 N*M,
92 sizeof(float),
93 h_B,
94 1,
95 d_B,
96 1
97 );
98
99 // 同步函數
100 cudaThreadSynchronize();
101
102 // 傳遞進矩陣相乘函數中的參數，具體含義請參考函數手冊。
103 float a=1; float b=0;
104 // 矩陣相乘。該函數必然將數組解析成列優先數組
105 cublasSgemm (
106 handle, // blas 庫對象
107 CUBLAS_OP_T, // 矩陣 A 屬性參數
108 CUBLAS_OP_T, // 矩陣 B 屬性參數
109 M, // A, C 的行數
110 M, // B, C 的列數
111 N, // A 的列數和 B 的行數
112 &a, // 運算式的 α 值
113 d_A, // A 在顯存中的地址
114 N, // lda
115 d_B, // B 在顯存中的地址
116 M, // ldb
117 &b, // 運算式的 β 值
118 d_C, // C 在顯存中的地址(結果矩陣)
119 M // ldc
120 );
121
122 // 同步函數
123 cudaThreadSynchronize();
124
125 // 從 顯存 中取出運算結果至 內存中去
126 cublasGetVector (
127 M*M, // 要取出元素的個數
128 sizeof(float), // 每個元素大小
129 d_C, // GPU 端起始地址
130 1, // 連續元素之間的存儲間隔
131 h_C, // 主機端起始地址
132 1 // 連續元素之間的存儲間隔
133 );
134
135 // 列印運算結果
136 cout << "計算結果的轉置 ( (A*B)的轉置 )：" << endl;
137
138 for (int i=0;i<M*M; i++){
139 cout << h_C[i] << " ";
140 if ((i+1)%M == 0) cout << endl;
141 }
142
143 // 清理掉使用過的內存
144 free (h_A);
145 free (h_B);
146 free (h_C);
147 cudaFree (d_A);
148 cudaFree (d_B);
149 cudaFree (d_C);
150
151 // 釋放 CUBLAS 庫對象
152 cublasDestroy (handle);
153
154 getchar();
155
156 return 0;
157 }
Ⅲ windows10怎麼安裝cuda
1，安裝VS2013。這個沒什麼可說的，下載64位版本後就是一路下一步、確定就行，記住安裝位置就可以了，我這里的安裝目錄是D:\software\VS2013
2，接著右鍵我的電腦-》屬性-》高級系統設置-》環境變數，之後編輯系統變數Path，加入兩個路徑D:\software\VS2013\VC\bin和D:\software\VS2013\Common7\IDE，以分號隔開點擊確定即可。
Ⅳ 如何設置cuda
開啟NVIDIA CUDA功能解決方法：
1、如果是要做基於CUDA的開發，需要去NVIDIA官網上下載SDK（而且需要Quadro卡）。
2、如果是使用CUDA加速的軟體，安裝了顯卡驅動之後就可以了（Geforce卡就可以支持）。顯卡驅動中已包含了CUDA運行庫文件，不需要在系統中手動配置環境變數。但部份支持CUDA加速的軟體，可能需要在設置項或首選項中開啟CUDA加速。
CUDA功能終極解碼設置：如圖，分離器採用Haali，音頻解碼用 AC3+Sonic全解碼，H264選擇CoreAVC(下圖有CoreAVC具體設置)，視頻輸出採用VMR無渲染。
設置方法 注意黃色標注處的設置即可
以上幾步簡單設置就可以了，播放視頻的時候，如果右下角任務欄出現綠色的CUDA圖標，就是硬解碼成功。
Ⅳ linux cuda tool怎麼添加環境變數
編譯好的是什麼類型的程序？c？還是java還是別的？ 很多隻能再命令行運行的文件必須在終端執行。 而且就算編譯好了，編譯好的可執行文件是沒有可執行許可權的。 需要手動添加才能運行～ 希望你說具體點最好有截圖～
Ⅵ 如何安裝cuda
安裝cuda時，第一次會讓設置臨時解壓目錄，第二次會讓設置安裝目錄；
臨時解壓路徑，建議默認即可，也可以自定義。安裝結束後，臨時解壓文件夾會自動刪除；
安裝目錄，建議默認即可；
注意：臨時解壓目錄千萬不要和cuda的安裝路徑設置成一樣的，否則安裝結束，會找不到安裝目錄的！！！
選擇自定義安裝
安裝完成後，配置cuda的環境變數；
命令行中，測試是否安裝成功；
Ⅶ 如何安裝CUDA
首先驗證你是否有nvidia的顯卡（developer.nvidia.com/cuda-gpus這個網站查看你是否有支持gpu的顯卡）：
[plain] view plain
$ lspci | grep -i nvidia
查看你的linux發行版本（主要是看是64位還是32位的）：
[plain] view plain
$ uname -m && cat /etc/*release
看一下gcc的版本：
[plain] view plain
$ gcc --version
首先下載nvidia cuda的倉庫安裝包（我的是ubuntu 14.0464位，所以下載的是ubuntu14.04的安裝包，如果你是32位的可以參看具體的地址，具體的地址是https://developer.nvidia.com/cuda-downloads）
[plain] view plain
wget developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/cuda-repo-ubuntu1404_6.5-14_amd64.deb
下載完成之後可以使用如下命令安裝它，注意文件名修改為cuda-repo-ubuntu1404_6.5-14_amd64.deb
[plain] view plain
sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb
安裝好倉庫之後，就可以更新你的本地倉庫。
[plain] view plain
sudo apt-get update
最後開始安裝cuda以及顯卡驅動（安裝cuda的同時就會把顯卡驅動也全部安裝好，這個真的很方便。但是下載的時間有點長。）
[plain] view plain
sudo apt-get install cuda
需要注意的是，我這里提供的安裝方法跟網路上各種安裝方法都不一樣，他們的方法往往很復雜
主要是因為：（1）有些教程是手工安裝顯卡的驅動程序，手工屏蔽系統的默認開源的驅動
（2）安裝cuda也是手工進行
使用這個方法的時候千萬要注意幾個問題：
（1）cuda6.5已經不支持老舊的顯卡了所以sm11 等等都必須刪除。可以參考我的另一個文章，關於編譯opencv3.0的
（2）ubuntu14.04是64位的，並且不要一開始就更新系統補丁什麼的，因為系統更新過之後，再安裝顯卡驅動就會無法進入圖形界面，我查看了相關的日誌發現是卡在了dbus那邊。所以，我建議一安裝好ubuntu 14.04就不要更新系統補丁。
安裝完之後你需要設置環境變數：
[plain] view plain
$ export PATH=/usr/local/cuda-6.5/bin:$PATH
$ export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH
設置完畢之後，你還可以選擇是否安裝cuda附帶的示例代碼（<dir>表示你要安裝的位置，你可以將<dir>替換成~）：
[plain] view plain
$ cuda-install-samples-6.5.sh <dir>
接下來做一些驗證工作：
查看顯卡的驅動版本
[plain] view plain
cat /proc/driver/nvidia/version
查看nvcc編譯器的版本
[plain] view plain
nvcc -V i
編譯cuda的示例代碼:
[plain] view plain
cd ~/NVIDIA_CUDA-6.5_Samples
然後make一下編譯代碼。
進入bin路徑運行devicequery
[plain] view plain
cd ~/NVIDIA_CUDA-6.5_Samples/bin
[html] view plain
./ deviceQuery
具體的安裝過程可以參考英文。
http://docs.nvidia.com/cuda/cuda-getting-started-guide-for-linux/index.html
這里必須要強調的是一定要是新的ubuntu14.04 在安裝顯卡驅動之前千萬別更新，否則就無法進入桌面，這個問題困擾了我很久了。重裝了是十幾遍的系統。
這篇guide只是一些零散的安裝步驟以及給後來人對於cuda的一些坑上的提醒。
Ⅷ cuda中怎麼使用各類型變數的數據
直接在device或者global函數中聲明即可
Ⅸ ubuntu安裝cuda添加環境變數嗎
查看你的linux發行版本（主要是看是64位還是32位的）： [plain] view plain $ uname -m && cat /etc/*release 看一下gcc的版本： [plain] view plain $ gcc --version 首先下載nvidia cuda的倉庫安裝包（我的是ubuntu 14.0464位
Ⅹ cuda編程前的環境配置
CUDA開發環境配置
依次安裝 Driver,Toolkit,SDK。注意最好安裝路徑中不含空格。
使用開勇的CUDA_VS_Wizard (http://sourceforge.net/projects/cudavswizard/) 配置Visual Studio 2008的CUDA項目
安裝Visual AssistantX
打開VS, 選擇 工具->選項->項目與解決方案->VC++項目設置，在「C/C++文件擴展名」後添加*.cu，在「包括的擴展名」後添加.cu
打開Visual AssistantX設置，在Projects->C/C++ Directories 里，Platform選擇Custom，Show Directories for選擇Stable include files，添加CUDA Toolkit的include目錄路徑
導入注冊表(點我)，讓Visual AssistantX支持CUDA的cu文件和語法高亮
在系統環境變數添加一個新項，隨便起名。這里作為例子，取CUDA_DLL。
值填寫SDK裡面\C\Bin\win32\下面的四個目錄(64位系統將win32改成win64)。
（例如sdk安裝在目錄E:\CUDA\win7_64_2.3\sdk里，則CUDA_DLL環境變數的值應為：
E:\CUDA\win7_64_2.3\sdk\C\win64\Debug;
E:\CUDA\win7_64_2.3\sdk\C\win64\EmuDebug;
E:\CUDA\win7_64_2.3\sdk\C\win64\EmuRelease;
E:\CUDA\win7_64_2.3\sdk\C\win64\Release
再在PATH環境變數最後添加%CUDA_DLL%
2009/12/20 Update:
在64位系統，完成以上步驟後，在vs新建項目時遇到錯誤"Err Source: CreateCustomProject"
解決方法：在控制面板->添加刪除程序，進入vs的維護模式，勾選Visual C++下面的x64編譯器（此選項在默認是沒有安裝的），之後可能會遇到找不到"SQLSysClrTypes.msi"的問題，取消之即可（這個文件在vs2008 sp1的iso裡面有，但無論我選擇sp1 iso的根目錄還是該文件所在的目錄，均無法繼續安裝）